Модельный риск опционов и калибровка: объяснение
Узнайте, откуда возникает модельный риск опционов, что на самом деле доказывает калибровка, почему параметры могут быть нестабильными и как проверять цены и греки
Короткий ответ
Модельный риск опциона — это вероятность того, что структура, данные, параметры, численные методы или неправильное применение приведут к вводящей в заблуждение цене, греку или хеджу. Калибровка лишь подбирает соответствие модели выбранным котировкам; она не доказывает, что модель истинна или предсказательна
Модель — инструмент принятия решений, а не истина рынка
Опционная модель превращает предположения о траекториях цены, волатильности, ставках, дивидендах и исполнении в цены и чувствительности
Эта карта может быть полезной, даже если буквально не соответствует реальности. Любая модель отбрасывает детали, а отброшенные детали могут по-разному влиять на страйки, сроки или рыночные режимы
Практический вопрос не в том, идеальна ли модель. Важно, достаточно ли хорошо контролируются ее упрощения для конкретного решения, экспозиции и горизонта
У модельного риска несколько уровней
Риск спецификации возникает из самого процесса: постоянная волатильность, непрерывные траектории, один фактор или фиксированная корреляция могут быть неуместны
Риск входных данных и параметров включает устаревшие котировки, слабые оценки дивидендов, неверные кривые фондирования и нестабильные коэффициенты. Численный риск включает сетки, решатели и ошибки кода
Риск применения появляется, когда модель для ликвидных европейских опционов используют для барьеров, концентрированных книг, стрессовых рынков или контрактов с другими правилами исполнения
Калибровка — взвешенная обратная задача
Калибровка выбирает параметры, уменьшающие различия между модельными значениями и выбранными рыночными ценами или подразумеваемыми волатильностями
Результат зависит от набора котировок, обработки bid-ask, метрики ошибки, весов, границ параметров, оптимизатора и того, измеряется ли ошибка в единицах цены или волатильности
Соответствие внутри спреда может быть экономически приемлемым, но оно не идентифицирует процесс генерации данных. Спред — диапазон исполнения, а не сертификат истины
Хорошее соответствие может скрывать слабую идентификацию
Разные наборы параметров могут давать почти одинаковые цены на ликвидных страйках. Их экстраполированные крылья, форвардные улыбки и хедж-коэффициенты все же могут расходиться
Это проблема идентификации: в наблюдаемых контрактах недостаточно независимой информации, чтобы точно определить каждый параметр
Проверяйте стабильность параметров по датам, начальным значениям, весам и подмножествам котировок. Большое движение при небольшом улучшении цены — признак хрупкой интерпретации
Валидация должна выходить за пределы выборки калибровки
Переоценивайте отложенные страйки и сроки, сравнивайте ошибки с шириной bid-ask и повторяйте упражнение на новых датах, а не на одном удачном снимке
Одной проверки цены недостаточно. Тестируйте греки, реакции на сценарии, P&L хеджа и поведение у границ, потому что малая ошибка цены может сочетаться с большой ошибкой чувствительности
Независимая реализация и эталонные инструменты помогают отделить ограничения модели от ошибок кода, соглашений и конвейера данных
Сравнение моделей превращает неопределенность в диапазон
Калибруйте несколько обоснованных моделей, меняйте настройки калибровки и стрессируйте плохо идентифицированные параметры. Разброс показывает решения, зависящие от одной удобной спецификации
Для ликвидного vanilla рыночные котировки могут доминировать над различиями моделей. Для экзотического или неликвидного крыла разброс моделей может стать существенным резервом оценки
Отчитывайтесь о центральном значении вместе с предположениями, альтернативами и условиями отказа. Диапазон часто честнее и полезнее дополнительных знаков после запятой
Управление моделью делает неопределенность видимой
Записывайте версию модели, входные данные, временные метки, соглашения, веса целевой функции, ошибки соответствия и ручные изменения, чтобы другой проверяющий мог воспроизвести результат
Устанавливайте независимую валидацию, границы одобрения, лимиты экспозиции и резервные методы. Перекалибровка должна запускать проверку, когда параметры или остатки движутся ненормально
Наконец, отделяйте модельную стоимость от исполнимой котировки. Ликвидность, размер, спред, рыночное воздействие, фондирование и условия контрагента могут доминировать над теоретической разницей
Частые вопросы
Что такое модельный риск опциона?
Это риск того, что структура модели, входные данные, параметры, численные методы или применение дадут существенно вводящую в заблуждение оценку, чувствительность или результат хеджирования
Калибровка — это то же самое, что прогнозирование?
Нет. Калибровка объясняет выбранный рыночный снимок в рамках модели, а прогнозирование спрашивает, как цены или состояния изменятся после этого снимка
Почему две откалиброванные модели могут давать разные цены?
Они могут одинаково хорошо описывать ликвидные инструменты, но задавать разные динамики траекторий, хвостов, волатильности или корреляции для некотируемого контракта
Как снизить модельный риск?
Используйте чистые данные, стабильную калибровку, тесты на отложенных данных, независимую валидацию, альтернативные модели, стресс параметров, ясные лимиты и воспроизводимые записи